本文提出了一种基于下行风险测度（VaR和CVaR）的风险缩放策略，针对传统波动率缩放策略在风险衡量和管理上的不足，重点应用于BAB低风险多空组合。通过对24个发达国家6个地区的长期历史数据实证，发现下行风险缩放策略在风险调整后回报、夏普比率等指标上显著优于未缩放和波动率缩放策略，且结果对参数设置稳健，风险管理效率明显提升。多个关键图表展示了策略权重动态调整、收益时序表现和样本外累计回报等重要成果[page::0][page::3][page::6][page::9][page::11][page::13]
本报告介绍了一种基于主成分分析法（PCA）提取股票横截面定价因子的模型，构建了“水平、斜度、曲线”三因子模型。该模型通过多变量Fama-MacBeth回归预测预期收益，排序构建投资组合并对组合收益做PCA提取公共因子。实证显示该模型在横截面定价能力和解释收益变化方面优于CAPM、Fama-French三因子及五因子模型等多个主流模型，且在样本外具有良好的稳健性。图表12和13显示此模型在多个投资组合上的优越定价效果及风险特征解读[page::0][page::3][page::6][page::8][page::12][page::15][page::16]。
本报告基于SPY及其他重磅ETF的日内半小时收益率数据，研究发现第一个半小时收益率对最后半小时收益率具有显著正向预测能力，且预测能力随着波动率、成交量增加及经济衰退期提高。研究构建的基于日内动量的择时策略和均值-方差配置策略均表现良好，夏普比率超1，交易成本影响有限，策略在10只热门ETF中表现稳健。日内动量产生的两大经济驱动为非高频调仓和信息接收延迟现象，重要宏观经济信息发布进一步显著提升日内动量效应[page::0][page::3][page::9][page::10][page::15]
本报告系统分析了海外半透明主动ETF的发展背景、产品设计、主要结构及模式，详尽介绍了七种主要半透明主动ETF模型及其运作机制。通过引入代理组合隐藏真实持仓，半透明主动ETF在保护基金经理投资策略的同时兼顾一定透明度，缓解了主动型ETF“持仓过于透明导致抢跑交易”的困境。报告还列举了近期已发行的相关产品并分析了基金代理组合的持仓重合度，指出半透明主动ETF可能成为资管行业的新风口，为国内公募基金创新提供借鉴 [page::0][page::3][page::8][page::16][page::17][page::22]。
本报告基于论文《Stock Return Asymmetry: Beyond Skewness》提出了两种新的基于数据分布函数的股票收益不对称性度量方法，这两种方法比传统偏度更有效地检测收益分布的不对称性。实证结果显示，高上行不对称性对应股票未来更低的预期回报率，且该关系稳健不受尾部风险、波动率、投资者情绪和市场流动性的影响，优于传统偏度指标在预测股票收益上的表现，具有较强的投资应用价值 [page::0][page::3][page::5][page::9][page::11][page::15]。
本报告基于1963-2020年美国市场数据，实证发现传统经济周期难以解释因子溢价的周期性，而因子自身存在特定的三阶段周期：正常阶段、成长反弹/价值崩溃阶段及反转阶段。该周期反复发生，正常阶段约占三分之二时间。成长反弹期间价值因子表现极差，动量因子表现强劲；价值崩溃期间价值股下跌且牛市反转后动量因子表现大幅波动。作者提出的该周期模型能解释大部分因子收益趋势，对构建具有长期规划意义的因子投资组合和评估alpha因子稳健性具有启发意义[page::0][page::3][page::9][page::10][page::15]。
本报告基于Fama-French多因子模型，采用条件单因子和双因子模型实证美国及国际市场股票因子的风险-收益权衡，发现盈利因子（RMW）和投资因子（CMA）表现出显著的正向风险-收益关系，且在样本外具有预测能力，动态交易策略夏普比率超过1，凸显因子择时的经济价值[page::0][page::4][page::19][page::23]。
本报告系统分析了金融市场中资产价格波动性与价格信息含量之间的均衡关系，识别了噪声减少和均衡学习两条机制通道，解释了两者正负相关的条件。报告基于CARA-高斯模型框架，结合美国1963至2017年股票实证数据，发现大多数股票处于信息含量与价格波动性负相关区域，且提供了明确的参数条件刻画这些共动区域，为理解价格波动性变化背后的信息含量变化提供了理论依据和实证支撑 [page::0][page::3][page::4][page::5][page::21][page::23][page::24].
本报告系统研究强化学习在动态资产配置中的应用，重点解决金融时间序列非平稳性及投资约束的集成问题。通过引入市场阶段变化变量，提升样本外预测准确性，并结合实际风险管理、资金需求与交易成本等约束条件，实证展示了强化学习算法在多变市场环境下优化资产组合表现的有效性，且信号准确性与约束设置显著影响策略行为和绩效 [page::0][page::4][page::6][page::13]
本报告提出基于端到端神经网络的风险预算投资组合优化模型，整合预测与优化任务，嵌入随机门控器实现资产选择，有效控制低波动低回报资产风险，实证显示该方法在模拟和真实市场环境中均显著优于传统风险均等基准，提升夏普比率与风险调整回报，为资产配置提供创新量化工具和方法论支持[page::0][page::4][page::6][page::8][page::11][page::13]。
本报告提出一种统一的因子-大类资产配置框架，将因子配置与资产收益预测整合，通过七步骤实现因子暴露、因子收益预测与资产配置的系统衔接。实证案例采用10个资产类别，结合宏观经济因子和风格因子，分离战略与战术性机会，同时允许主观观点混入因子收益估计，实现多资产类别一致的预期收益生成，进而辅助构建风险调整最优的投资组合，提升资产配置的灵活性和有效性[page::0][page::3][page::5][page::14]。
本文提出针对风险平价组合的稳健优化框架，引入资产协方差矩阵不确定性结构，通过惩罚边际风险贡献估计误差，构造更稳健的风险平价投资组合。实证结果显示，稳健组合尤其在市场低迷期表现显著优于名义模型，同时保持较好风险分散和更高风险调整后收益，但伴随换手率上升和分散度适度下降的权衡[page::0][page::11][page::12][page::19][page::20]。
报告摘自论文《Good Volatility, Bad Volatility, and the Cross Section of Stock Returns》，提出相对有符号跳跃方差（RSJ）指标区分“好”“坏”波动率，显著预测未来横截面股票收益，且收益差异在风险调整后依然显著。基于RSJ构造的多空投资组合表现优异，年化收益达约15%。RSJ与传统偏度、峰度指标相比，提供更稳健的收益预测能力，且该效应在控制多种变量和多元回归中均得到验证，尤其在小市值、高波动率及低流动性股票中表现更强。此外，通过收益分解和公告窗口分析，RSJ收益主要源自投资者对价格跳跃的过度反应，符合行为金融学观点[page::0][page::3][page::9][page::10][page::18]
本报告系统阐述了凸显性理论如何通过投资者注意力偏差导致股票收益的错误定价，强调高凸显性的股票未来回报率较低，且在套利限制较大和散户持股较多的股票中效果显著。基于美国市场数据，报告通过多种实证方法确认凸显因子对未来收益的预测能力，且该效应受投资者情绪及选择背景影响，凸显性理论对反转因子及投资者关注理论做了区分和补充 [page::0][page::3][page::8][page::12][page::19][page::21]。
本报告基于持股的基金业绩面板回归模型，将基金业绩分解为时间序列预测能力（TSA）与平均异常收益（AAR）两部分，分析了经典持股业绩指标的结构及其在基金中的表现，揭示AAR中存在被动买入并持有的漂移成分，并通过模拟与实证分析展示了不同修正方法的效果及其对基金业绩评价和资金流向的影响，强调净AAR对投资者流量预测的显著作用，适用于美股基金持仓数据的业绩预测与评估 [page::0][page::3][page::9][page::12][page::15][page::18]。
本文以现金流符号法划分行业生命周期，结合宏观经济（经济增速、通胀和流动性）划分经济状态，建立融合宏观视角（华安投资时钟）与微观视角（盈利、资金偏好、情绪面多因子）的行业轮动策略，实现生命周期行业配置与多因子优选相结合。该策略回测年化超额收益达18.89%，信息比1.55，胜率68.3%。此外，报告探讨了行业轮动在指数增强中的应用，分仓组合优于个股景气度调控，提升指数增强策略收益和信息比，适应当前行业轮动加快、分化加剧的市场环境[page::0][page::5][page::8][page::12][page::14][page::18][page::23][page::27][page::34][page::35]
本报告系统研究了普通版短期反转（STR）策略的显著衰退，证明行业中性和残差版STR策略能有效恢复收益和夏普比率，风险调整后收益超普通版一倍且稳定。实证显示STR溢价源自流动性压力，且与流动性和波动率等因子存在显著交互效应。缩短回溯期及剔除业绩公告附近期收益均能提升表现。高交易成本使单一STR难获利，建议结合多因子构建复合短期策略，实用意义强[page::0][page::4][page::6][page::10][page::11][page::12]
本报告提出基于标签体系构建行业轮动框架，通过板块、概念主题和风格三维一体的标签定义行业，并结合宏观事件驱动法筛选有效宏观信号，利用LASSO降维消除变量共线性，采用逻辑回归形成宏观影响因子，将宏观因子与微观多因子模型结合构建复合行业轮动策略。策略回测显示，复合因子在2013-2022年区间年化超额收益达25.85%，月度超额胜率约77%，具有显著预测和稳定收益能力，为行业配置提供新思路和方法论支持[page::0][page::21][page::29]
基于29个全球主要市场指数的历史数据，本文应用EWMA波动率估计方法，实证证明积极管理组合波动率能有效提升波动率预测准确性，降低尾部风险，尤其对股票和债券资产表现显著，有助于实现更稳定财富积累和更优风险调整后收益 [page::0][page::7][page::10][page::11]。
本报告系统分析了A股市场主板、创业板、科创板及北交所在行业属性、估值、成长性、交易弹性等多个维度的差异，揭示上市板块自身具备超越行业与市值的独特信息含量。基于这些差异，提出了上市板风险中性化处理和组合约束以提升量化策略的风险管理效果。同时，针对科创板传统因子失效问题，构建了以研发强度和股东结构为核心的科创板精选策略，形成多策略复合体系，显著提升沪深300、中证500、1000指数增强组合的超额收益和信息比，最大回撤明显降低，为优化量化选股提供实践框架和理论支撑[page::0][page::8][page::16][page::20][page::30][page::44]
